流体力学

65成员

0/1000

全部

学术讨论区

日常生活分享♪

评论
评论
评论
评论
基于fluent深度学习驱动流体力学计算
流体力学基础理论与编程实战：不可压缩流体力学基本方程、尺度分析、傅里叶变换、伪谱法求解等内容，以及有限差分法、有限元法等求解案例实践。 Fluent简介与案例实战：介绍Fluent软件功能、网格划分技术、稳态与非稳态流体计算、两相流求解、仿真后处理等，以及圆柱绕流、小球入水等案例实践。 数据处理与人工智能基础：涵盖Python语言特征、数据分布度量、特征值分解、奇异值分解、数据降维等内容，以及神经网络的基本概念、感知机模型、激活函数、损失函数、优化算法等。
评论
最新：fluent深度学习流体力学计算
流体力学基础理论与编程实战：不可压缩流体力学基本方程、尺度分析、傅里叶变换、伪谱法求解等内容，以及有限差分法、有限元法等求解案例实践。 Fluent简介与案例实战：介绍Fluent软件功能、网格划分技术、稳态与非稳态流体计算、两相流求解、仿真后处理等，以及圆柱绕流、小球入水等案例实践。 数据处理与人工智能基础：涵盖Python语言特征、数据分布度量、特征值分解、奇异值分解、数据降维等内容，以及神经网络的基本概念、感知机模型、激活函数、损失函数、优化算法等。
评论
基于fluent深度学习流体力学计算
流体力学基础与编程：不可压缩流体方程、有限差分法实战（Matlab）、神经网络流场重建Fluent 软件全流程：网格划分、稳态 / 非稳态计算、两相流求解，深度学习优化网格参数案例机器学习数学基础：Python 向量运算、PCA/SVD 降维、CFD 数据压缩技术人工智能与优化方法：神经网络原理、Pytorch 环境搭建、生成对抗网络（GAN）提高流场分辨率动力学神经网络：ResNet 求解微分方程（NeuralODE）、流体力学应用案例
评论
基于Fluent和深度学习算法驱动的流体力学计算与应用 会议时间： 2024年11月30日-12月01日 2024年12月06日-12月08日 会议内容: 流体力学基础理论与编程实战 案例：圆柱绕流、小球入水的Fluent求解流程 人工智能基础理论与优化方法 （案例实践：Python实现基础网络架构） 深度学习模型在流场超分辨中的应用 （案例实践：Python编程实现流场超分辨，不同模型超分辨的优势和劣势分析）
1
深度学习流体力学计算（openfoam、fluent）
深度学习流体力学计算【Openfoam】：ns方程、矩形柱体LES模拟、机器学习在流体力学领域的实际应用案例、风洞试验、机器学习实验流体力学、人工智能与实验流体力学（流场预测）（压力时序预测）、深度学习空气动力学、时空超分辨率技术、湍流、深度学习离散动作空间/连续动作空间优化 【fluent】：涵盖先进的计算方法（如伪谱法、CNN、GAN、Neural ODE、PINN等）、软件工具应用（Fluent软件、Python编程）、深度学习流场超分辨率、神经网络在湍流模拟中的应用（物理信息神经网络（PINN）和基于图神经网络（GNN））、神经网络在空气动力学中的应用、流动生成与可视化技术（反向追踪算法、Tecplot、Houdini等）流体力学与深度学习融合的新兴技术，如基于神经辐射场的流场重构、基于扩散模型的流动生成等
1

公告

暂无公告

直播

暂无直播